博客质量分计算——发布 version 5.0

文章介绍了CSDN博客质量分从V4到V5.0的改进过程,包括得分分布的优化、计算流程的调整、平滑函数的变更以及新增和优化的得分项,旨在提高质量分的层次结构和可解释性。V5.0通过消融实验验证了改进的有效性,得分变化更加均匀且合理。
摘要由CSDN通过智能技术生成

1. 背景

博客质量分顾名思义是用于衡量一篇博客的质量,其在 CSDN 的热榜、推荐、搜索等多个模块中发挥着关键性的作用。下图是质量分的工作机制:
在这里插入图片描述

图1 质量分的工作机制

先回顾一下,在第 4 版本 (后续称为 V4) 的质量分中,主要对得分进行了平滑,使得质量分结果分布更均匀,不会过度集中在头部 [80, 100] 和尾部 [0, 20),详见博客

但是,在 V4 的质量分体系中无明显层次结构 (也可称为可解释性),即博主在博文中加入新的元素 (例如:图片、链接、代码等),质量分没有按阶梯式增高,在博文中加入一些影响阅读的元素之后 (例如:死链、虚假链接、代码混乱等) ,质量分也没有按阶梯式降低。

此外,虽然 V4 的质量分分布更加均匀,但还是不够,详见图 5,该图随机统计了 1 万篇博客质量分的分布情况,其中蓝色部分的柱状图是 V4 的质量分分布情况,可以看出得分主要分布在 [0, 20] 和 [50, 94] 两个区间段。

针对上述问题,第 5.0 版本 (后续称为 V5.0) 的质量进行了一系列的改进,在保证 V4 高质量博客数据保留约 90% 的情况下 (即 V4 中 80 分以上的博客在 V5.0 中有约 90% 仍在 80 分以上) ,得分分布更均匀,质量分体系层次结构也更清晰。

接下来,将对第 5.0 版本质量分的改进进行详细阐述。

2. 质量分 version 5.0

2.1 version 4 存在问题分析

下图是 V4 版本质量分计算流程:
在这里插入图片描述

图2 V4 版本质量分计算流程图

从图 2 可以看出,V4 版本质量分计算流程存在以下问题:

  • 正向积累得分中,目录标准目录 作为两个不同的项,存在冗余;
  • sigmoid 归一化中,sigmoid 函数将得分强制映射到了 (0.5, 0.938), 使得 0.5 和 0.938 以下的得分极少出现,此外 (此处得分为缩放前的得分,取值为[0, 1]);
  • sigmoid 归一化应该放在最后阶段,而不是中间阶段;
  • 文章是否有投票 可以直接放到正向累加得分中;
  • 计算逻辑中只有正向积累得分 (亦称加分项) 和惩罚项,而没有减分项。从得分系统设计逻辑的完备性来看,应该分为以下三个部分:
    • 加分项:从0到1,逐步加分;
    • 减分项:从1到0,逐步减分;
    • 强惩罚因子:严重违规的情况,直接乘以一个较低的惩罚因子,例如:0.1, 0.2。

此外,除了上述计算流程上的问题,V4 版本的质量分在多个得分项上面还存在以下问题:

  • 代码得分:可理解为代码量得分,英文为 lines of code,即代码的行数,而 V4 版本中的计算方式是代码中 token 的数量;
  • 各子得分项不够平滑:以 内容长度得分 为例,使用的是 Min–max normalization (代码如下所示),该归一化方法存在截断的情况,如果输入值大于最大值,则得分就不会发生变化了,并且也不够平滑,例如:
    • 内容长度得分,如果文章长度的最大值是 2000,文章 1 的长度为 2000,文章 2 的长度是 3000,则文章 1 和文章 2 的得分是一样的。

    • 目录得分,目录得分是基于正文中的多级子标题的数量进行计算的,标题数越多,则得分越高。V4 版本直接使用的是 Min–max normalization,其中 min = 0,max = 10。该归一化方法不够平滑,如果博文中只有 2 个子标题,则得分只有 0.2,但质量分的初衷是鼓励用户正确使用多级标题,有的文章确实不需要过多的多级标题,可能 2 个子标题就可以将文章结构划分得很清楚,即 2 个子标题应该得到 0.5 以上的得分。

      def min_max_normalization(value, max_value, min_value):
          if value > max_value:
              value = max_value
      
          if value < min_value:
              value = min_value
      
          if min_value > max_value:
              tmp_value = max_value
              max_value = min_value
              min_value = tmp_value
      
          norm_value = (value - min_value) / (max_value - min_value)
      
          return norm_value
      

2.2 version 5.0 改进

针对 V4 版本中存在的问题,V5.0 版本进行了相应的改进,改进后的计算流程如下图所示:
在这里插入图片描述

图3 V5 .0版本质量分计算流程图

从图 3 可以看出,V5.0 版本针对 V4 版本在计算流程方面进行了如下改进:

  • 目录标准目录 进行合并,统一为目录得分;
  • sigmoid 在进行平滑时候,放到了最后一个阶段,并且新的 sigmoid 函数映射的得分区间为 (0.017, 0.983),相比之前的 (0.5, 0.938),得分分布更加均匀,函数图像如下所示:
    在这里插入图片描述
图4 V4 和 V5.0 版本的得分平滑函数
  • 文章是否有投票 直接放到了加分项中;
  • 计算逻辑直接拆分成了三个部分:加分项、减分项和强惩罚项;
  • 新增 非 IT 技术文章 减分项
  • 文章结构太简单 从强惩罚因子变为减分项,因为文章结构简单已经在 文章内容长度得分 以及 标签多样性得分 等多个地方有所体现,故无需进行强惩罚;
  • 新增 图片得分
  • 优化各个子加分项权重,使得分呈阶梯式增高或降低;
  • 计算流程最后一步的得分取整 int(score * 100) 改为 round(score * 100) ,因为 python 中的 int() 默认是向下取整,round 是四舍五入。

此外,除了计算流程上的优化,V5.0 版本还对每个字得分项上的计算逻辑进行了优化,具体如下:

  • 代码得分 直接使用代码行数以及代码块个数进行衡量;
  • 针对多个子得分项不够平滑的问题,V5.0 中减少了 Min–max normalization 函数的使用,改为使用分段函数,或者其他更为平滑的曲线。V5.0 版本针对 内容长度得分目录得分代码得分链接得分图片得分 等多个子得分项进行了平滑以及计算逻辑微调,例如:
    • 对于 内容长度得分 中的截断问题,使用分段函数处理
      def __cal_content_length_score(self, content):
        """ 计算内容长度得分 v5.0
        """
        content_len_base = self.content_len_range["max"] / 2
        content_len_cut_off_point = sigmoid(self.content_len_range["max"] / content_len_base)
      
        content_len = len(content)
      
        # 分段函数,平滑内容长度较大时的得分
        if content_len <= self.content_len_range["max"]:
            score = min_max_normalization(
                content_len, self.content_len_range["max"], self.content_len_range["min"])
            score *= content_len_cut_off_point
        else:
            score = sigmoid(content_len / content_len_base)
      
        return score
      
    • 对于 目录得分 中不够平滑问题,使用幂函数进行平滑
      def __cal_heads_toc_score(self, sample):
        """ 计算目录得分 v5.0
        
        """
        # 1. 正文中的多级标题 (即 h1, h2, h3, h4) 得分
        heads_list = sample["catalog"]
        heads_num = len(heads_list)
      
        # 平滑,当 heads_num 较小时,得分变化不至于过小
        heads_score = min(math.pow(heads_num / self.heads_num_para["max"], 0.25), 1)
      
        # 2. toc 得分
        if "toc" in sample:
            toc_score = 1.0
        else:
            toc_score = 0.0
      
        # 3. 加权
        score = heads_score * self.heads_toc_weight["heads"] \
            + toc_score * self.heads_toc_weight["toc"]
      
        return score
      

2.3 消融分析

本文进行了部分消融实验,测试各个 V5.0 版本中各个因素的影响:

2.3.1 正向积极得分消融实验

通过逐步去掉影响质量分的某个要素,观察质量分的变化。

下表中,质量分-V5.0-sigmoid 表示 V5.0 版本最终的质量分,质量分-V5.0-base 表示 V5.0 版本 sigmoid 平滑前的质量分。由于 sigmoid 函数的特性 (函数图像见图 4),会平滑掉高分段和低分段分数的差异性,中分段的差异性会更加明显,这也符合一个常识性假设:“分数越高,就越难提升分数”。

因此,为了观察每个要素对质量分的影响,对比 质量分-V4质量分-V5.0-base 即可。从下表中标红的得分可知,V5.0 版本要优于 V4 版本,V5.0 版本更能体现随着要素的减少,质量分呈现阶梯式的降低。

博客质量分-V4质量分-V5.0-base质量分-V5.0-sigmoid长度标题图片链接目录标准目录代码投票元素多样性
测试博客1919798111111118
测试博客2919297111111108
测试博客3898695111111007
测试博客4838495111110006
测试博客5828193111100006
测试博客6797590111000004
测试博客7787084110000004
测试博客8766578100000004
测试博客97664770.7500000004
测试博客107662760.500000004
测试博客116846550.2500000004
测试博客1210232000000002

2.3.2 正向累积得分单变量实验

通过每次只去掉一个影响质量分的某个因素,观察质量分的变化。

理由同上,直接对比 质量分-V4质量分-V5.0-base,从下表中标红的得分可知,V5.0 版本要优于 V4 版本,每去掉一个要素,V5.0 版本的得分降低更加明显。

博客链接质量分-V4质量分-V5.0-base质量分-V5.0-sigmoid长度标题图片链接目录标准目录代码
测试博客19192971111111
测试博客28986951111110
测试博客38690971111101
测试博客49188961111011
测试博客59188961110111
测试博客69187961101111
测试博客79087961011111
测试博客89192970.75111111
测试博客99091970.5111111
测试博客108986950.25111111
测试博客111552580.1111111

2.3.3 非高分文章消融实验

上述两个对比实验使用的是高分文章,由于 sigmoid 在高分段平滑性强的影响,很难看出差异性。为了进一步证明 V5.0 版本的优势,下表是非高分文章的对比实验,可以看出,V5.0 版本的质量分变化更加平滑。最明显的例子就是第 1 行和第 2 行的数据,使用 V4 版本测试时,在第1 行的 12 分博客的基础上,逐字逐句地增加博客的长度, 质量分会从 12 分一下跳到 70 分,而 V5.0 版本的变化是均匀的。

博客质量分-V4质量分-V5.0
软件测试的案例分析 - 闰年11230
软件测试的案例分析 - 闰年27054
软件测试的案例分析 - 闰年36741
软件测试的案例分析 - 闰年47160
软件测试的案例分析 - 闰年4.17371
软件测试的案例分析 - 闰年4.28484
软件测试的案例分析 - 闰年4.2 (加投票)8589
软件测试的案例分析 - 闰年58395

2.4 V4 和 V5.0 版本质量分分布对比

随机抽取 10000 条博客数据,对比V4 和 V5.0 版本质量分分布情况,由下图可知,相比 V4 (蓝色部分) 版本,V5.0 版本 (红色部分) 的分布更加均匀,得分的覆盖范围也更广。
在这里插入图片描述

图5 V4 和 V5.0 版本质量分分布对比

3. 总结

质量分 V5.0 版本进行了较大的更新,由 2.3 节的对比实验可知,相比 V4 版本,随着文章内容的变化,V5.0 版本的得分变化更加均匀与合理。同时,由 2.4 节的分布对比可知,V5.0 版本的得分分布更加均匀,分布覆盖范围也更广。这些变化进一步带来的好处就是质量分变化的 可解释性 更强。

除了上述主动的优化,在修改代码的过程中,还发现了若干隐藏的 Bug,进一步确保了质量分计算的正确性。

此外,为了避免新版本 V5.0 对 V4 版本中高质量博客 (80 分以上) 的影响,通过函数变换,保证 V4 版本中约 90%的高质量博客仍在 80 分以上。

最后,希望各位用户多多提宝贵的建议,您的建议是我们后续持续优化的动力,感谢各位!

4. 参考

  • 61
    点赞
  • 60
    收藏
    觉得还不错? 一键收藏
  • 73
    评论
### 回答1: PCIe基准规范版本5.0电气规格是PCIe(Peripheral Component Interconnect Express)总线技术的最新版本。该规范定义了PCIe 5.0总线的电气特性和规范要求。 PCIe 5.0电气规格引入了一些新的特性和改进,以提供更高的数据传输速度和更高的带宽。其中包括调制解调器(PAM4)编码技术,该技术可以在单个时钟周期内传输4个数据位,从而将数据传输速度提高到每秒16 GigaTransfer/s(GT/s)或更高。这意味着PCIe 5.0可以实现传输速度为32 GB/s或更高的数据带宽。 此外,PCIe 5.0还引入了嵌入式时钟校准(Embedded Clocking Calibration)功能,该功能可通过自适应等化器来提供更稳定和可靠的信号传输。它还支持预打开(Pre-emphasis)和限制(De-emphasis)功能,以抵消信号传输中的噪声和衰减。 PCIe 5.0电气规格还提供了更多的电力管理特性和改进,以支持更高性能和更节能的系统。例如,规范定义了更高的电源功率传输能力,使设备能够使用更多的电源供应,以满足更高性能的需求。此外,它还引入了更灵活的电源管理策略,以实现更高的能效和可持续性。 总之,PCle 5.0电气规格通过引入新的编码技术、增加带宽、改进信号传输和电力管理特性等方式,为下一代计算机系统提供了更高速、更可靠和更能效的数据传输解决方案。这将有助于推动科技发展,并支持更多高性能计算和数据密集型应用的发展。 ### 回答2: PCIe Base规范版本5.0电气规范是PCIe(Peripheral Component Interconnect Express)技术的最新规范。以下是对该规范的回答: PCIe Base规范版本5.0电气规范是PCIe技术的最新迭代,旨在提供更高的数据传输速度和更强的性能。它定义了PCIe接口的电气特性和规范,包括高速信号传输、时钟配和电源管理等方面的内容。 该规范的一个重要更新是引入了32GT/s(Gigatransfers per second)的传输速度,这是目前最快的PCIe数据传输速度。这意味着PCIe 5.0接口可以在每秒传输32亿个数据信号,从而大大提高了数据传输的速度和效率。 此外,PCIe Base规范版本5.0电气规范还引入了一系列新的技术改进和功能增强。例如,它采用了更高效的编码方案来提高信号传输的可靠性和抗干扰能力。它还引入了PAM-4(Pulse Amplitude Modulation 4-level)编码方案,该方案可以在单个时钟周期内传输4个数据位,进一步增加了数据传输速度。 此外,PCIe 5.0规范还增加了可选电源条带功能,该功能可为高功率设备提供更稳定和可靠的电源供应。这对于需要大量电力供应的高性能计算机和图形处理单元等设备非常重要。 总的来说,PCIe Base规范版本5.0电气规范是PCIe接口技术的重要更新,它不仅提供了更高的数据传输速度和性能,还引入了各种新的技术和功能改进,以满足当前和未来计算设备对高速、高效数据传输的需求。 ### 回答3: PCIe基准规范第5.0版电气规范是指PCIe(Peripheral Component Interconnect Express)总线技术的最新版本的电气规范。 PCIe是一种用于连接计算机内部硬件设备的总线接口标准,它可以提供高速数据传输和扩展性。PCIe 5.0的电气规范是为了在数据传输速度、带宽和互连可靠性方面提供更高的性能而制定的。 PCIe 5.0版本的电气规范增加了数据传输速率,每个通道的传输速度可达到32 GT/s (GigaTransfers per second),比之前的PCIe 4.0版本的速率提高了一倍。这意味着在同样的时间内,PCIe 5.0可以传输更多的数据。 此外,PCIe 5.0还提供了更高的带宽,每个通道的带宽可达到4GB/s (Gigabytes per second),这大大提升了数据传输的效率和速度。 PCIe 5.0的电气规范还改进了通信的可靠性和稳定性。它引入了新的前向纠错码(Forward Error Correction, FEC)技术,可以在数据传输过程中自动纠正错误,提高了数据的完整性和准确性。 总之,PCIe 5.0电气规范的引入将推动计算机系统的性能和扩展性提升到一个新的水平。通过更快的传输速度、更高的带宽和更稳定的通信,PCIe 5.0使得计算机系统能够更好地支持高性能设备和应用程序,从而提供更出色的用户体验。
评论 73
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值